MeSHup：面向全文生物医学文献标引的语料库
计算与语言
2022-04-29 v1 信息检索
摘要
医学主题词（MeSH）标引指的是从极其庞大的 MeSH 术语集合中为给定生物医学文献分配最相关标签的问题。目前，PubMed 数据库中大量生物医学文章由人工编目员手动标注，既耗时又昂贵；因此，一个能够辅助标引的计算系统具有极高价值。在开发有监督 MeSH 标引系统时，大规模标注文本语料库的可用性十分必要。一个公开可用、能够对各系统进行稳健评估与比较的大规模语料库对研究界至关重要。我们发布了一个大规模标注 MeSH 标引语料库 MeSHup，其包含 1,342,667 篇英文全文文章，以及从 MEDLINE 数据库收集的相应 MeSH 标签、元数据、作者和出版场所。我们在该语料库上训练了一个结合文档及其关联标签特征的端到端模型，并报告了新的基线结果。
引用
@article{arxiv.2204.13604,
title = {MeSHup: A Corpus for Full Text Biomedical Document Indexing},
author = {Xindi Wang and Robert E. Mercer and Frank Rudzicz},
journal= {arXiv preprint arXiv:2204.13604},
year = {2022}
}
备注
LREC 2022 main conference